From 76bda79f29c027b719121d26a307c28930adcfd8 Mon Sep 17 00:00:00 2001 From: cnn Date: Tue, 24 Nov 2020 14:04:00 +0800 Subject: [PATCH] fix doc, test=document_fix (#1751) --- docs/tutorials/DetectionPipeline.md | 8 ++++---- docs/tutorials/INSTALL_cn.md | 4 ++-- docs/tutorials/PrepareDataSet.md | 2 +- docs/tutorials/QUICK_STARTED_cn.md | 12 ++++++++---- 4 files changed, 15 insertions(+), 11 deletions(-) diff --git a/docs/tutorials/DetectionPipeline.md b/docs/tutorials/DetectionPipeline.md index 34cc5784d..49fec0d56 100644 --- a/docs/tutorials/DetectionPipeline.md +++ b/docs/tutorials/DetectionPipeline.md @@ -218,20 +218,20 @@ python -m paddle.distributed.launch \ - 使用配置文件中`weights`参数设定的权重文件进行评估 ```bash -# 默认使用训练过程中保存的best_model -python tools/eval.py -c configs/yolov3_mobilenet_v1_roadsign.yml -o use_gpu=true +# 默认使用训练过程中保存的best_model，评估需使用单卡评估 +CUDA_VISIBLE_DEVICES=0 python tools/eval.py -c configs/yolov3_mobilenet_v1_roadsign.yml -o use_gpu=true ``` - 通过`weights`参数指定权重文件进行评估 ``` # 指定模型评估 -python tools/eval.py -c configs/yolov3_mobilenet_v1_roadsign.yml -o use_gpu=true weights=output/yolov3_mobilenet_v1_roadsign/best_model +CUDA_VISIBLE_DEVICES=0 python tools/eval.py -c configs/yolov3_mobilenet_v1_roadsign.yml -o use_gpu=true weights=output/yolov3_mobilenet_v1_roadsign/best_model ``` - 通过设置`save_prediction_only`参数保存评估结果，生成`bbox.json`文件 ``` # 设置 save_prediction_only=true，会在当前文件夹下生成预测结果文件bbox.json -python tools/eval.py -c configs/yolov3_mobilenet_v1_roadsign.yml -o use_gpu=true save_prediction_only=true +CUDA_VISIBLE_DEVICES=0 python tools/eval.py -c configs/yolov3_mobilenet_v1_roadsign.yml -o use_gpu=true save_prediction_only=true ``` ##### 预测 diff --git a/docs/tutorials/INSTALL_cn.md b/docs/tutorials/INSTALL_cn.md index 4f04d3053..664dc0851 100644 --- a/docs/tutorials/INSTALL_cn.md +++ b/docs/tutorials/INSTALL_cn.md @@ -127,11 +127,11 @@ OK (skipped=2) ``` # use_gpu参数设置是否使用GPU -python tools/infer.py -c configs/ppyolo/ppyolo.yml -o use_gpu=true weights=https://paddlemodels.bj.bcebos.com/object_detection/ppyolo.pdparams --infer_img=demo/000000014439_640x640.jpg +python tools/infer.py -c configs/ppyolo/ppyolo.yml -o use_gpu=true weights=https://paddlemodels.bj.bcebos.com/object_detection/ppyolo.pdparams --infer_img=demo/000000014439.jpg ``` 会在`output`文件夹下生成一个画有预测结果的同名图像。 结果如下图： -![](../images/000000014439_640x640.jpg) +![](../images/000000014439.jpg) diff --git a/docs/tutorials/PrepareDataSet.md b/docs/tutorials/PrepareDataSet.md index c27359dd9..79286de89 100644 --- a/docs/tutorials/PrepareDataSet.md +++ b/docs/tutorials/PrepareDataSet.md @@ -287,7 +287,7 @@ classname2 ##### 用户数据转成COCO 在`./tools/`中提供了`x2coco.py`用于将VOC数据集、labelme标注的数据集或cityscape数据集转换为COCO数据，例如: -（1）labelmes数据转换为COCO数据： +（1）labelme数据转换为COCO数据： ```bash python tools/x2coco.py \ --dataset_type labelme \ diff --git a/docs/tutorials/QUICK_STARTED_cn.md b/docs/tutorials/QUICK_STARTED_cn.md index 1e0fe3b67..3f117ee29 100644 --- a/docs/tutorials/QUICK_STARTED_cn.md +++ b/docs/tutorials/QUICK_STARTED_cn.md @@ -2,6 +2,10 @@ # 快速开始 为了使得用户能够在很短时间内快速产出模型，掌握PaddleDetection的使用方式，这篇教程通过一个预训练检测模型对小数据集进行finetune。在较短时间内即可产出一个效果不错的模型。实际业务中，建议用户根据需要选择合适模型配置文件进行适配。 +- **设置显卡** +```bash +export CUDA_VISIBLE_DEVICES=0 +``` ## 一、快速体验 ``` @@ -34,7 +38,7 @@ python dataset/roadsign_voc/download_roadsign_voc.py python tools/train.py -c configs/yolov3_mobilenet_v1_roadsign.yml --eval -o use_gpu=true ``` -如果想通过VisualDL实时观察loss变化去去曲线，在训练命令种添加--use_vdl=true，以及通过--vdl_log_dir设置日志保存路径。 +如果想通过VisualDL实时观察loss变化曲线，在训练命令种添加--use_vdl=true，以及通过--vdl_log_dir设置日志保存路径。 **但注意VisualDL需Python>=3.5** @@ -58,8 +62,9 @@ visualdl --logdir vdl_dir/scalar/ --host --port ``` # 评估 默认使用训练过程中保存的best_model # -c 参数表示指定使用哪个配置文件 -# -o 参数表示指定配置文件种的全局变量（覆盖配置文件种的设置） -python tools/eval.py -c configs/yolov3_mobilenet_v1_roadsign.yml-o use_gpu=true +# -o 参数表示指定配置文件种的全局变量（覆盖配置文件种的设置），需使用单卡评估 + +CUDA_VISIBLE_DEVICES=0 python tools/eval.py -c configs/yolov3_mobilenet_v1_roadsign.yml-o use_gpu=true ``` @@ -70,7 +75,6 @@ python tools/eval.py -c configs/yolov3_mobilenet_v1_roadsign.yml-o use_gpu=true # --infer_img 参数指定预测图像路径 # 预测结束后会在output文件夹中生成一张画有预测结果的同名图像 - python tools/infer.py -c configs/yolov3_mobilenet_v1_roadsign.yml -o use_gpu=true --infer_img=demo/road554.png ``` -- GitLab